谷歌AI医疗新成果：将转移性乳腺癌检测准确率推向了几乎完美的99％

谷歌AI又立一功，转移性乳腺癌检测准确率达到了99％。

谷歌AI医疗新成果：将转移性乳腺癌检测准确率推向了几乎完美的99％

每年全球因乳腺癌致死的人数高达50万。

而在我国，乳腺癌年平均增长率约为3.5%。

在国家癌症中心发布的《2017年中国肿瘤的现状和趋势》报告中显示，乳腺癌的发病率已经位列女性恶性肿瘤之首。

中国乳癌患者发病高峰年龄在45-55岁，比西方人早10岁。其中，年轻患者相对较多，35岁以下约占15%。

目前，通过定期的淋巴安全检测，每年进行一次乳腺钼靶检查，致密型乳腺推荐与B超联合检查是预防乳腺癌通用的手段。

虽然乳腺癌的发病机制未有明确定论，但可以确定的是，90%都是由于转移造成的。

转移性肿瘤，意味着癌细胞脱离其原始组织，通过循环或淋巴系统穿过身体，并在身体的其他部位形成新的肿瘤，它十分狡猾，很难检测出来。

而现在，谷歌AI就针对这种转移带来新福音。

它们与圣地亚哥海军医疗中心开发出了一种新的检测方案，采用癌症检测算法，可自动评估淋巴结活检，谷歌AI的这个系统被称为“淋巴结助手”(简称LYNA)。

在《美国外科病理学杂志》中，他们针对这个系统发表了“基于人工智能的乳腺癌淋巴结转移检测”的论文。在转移性乳腺癌的检测精度测试中，LYNA的准确率达到99%，这远远超过人类的检测准确率。

根据最近的一项实验证明，62%的人类病理学家会错过单个幻灯片上的微小转移迹象，而谷歌的AI算法可以详尽地评估幻灯片上的每个组织贴片。“我们提供了一个框架，以帮助执业病理学家评估这些算法，并将其应用到他们的工作流程中(类似于病理学家评估免疫组织化验结果)”。

LYNA是基于开源图像识别深度学习模型Inception-v3被开发出来的，它已被证明可以在斯坦福的ImageNet数据集上实现78.1％的准确率。正如研究人员解释的那样，它需要一个299像素的图像（Inception-v3的默认输入大小）作为输入，在像素级别概述肿瘤，并且在训练过程中，提取组织贴片的标签（ 预测“良性”或“肿瘤”）并调整模型的算法权重以减少误差。

该团对之前发布的算法进行了改进，将LYNA暴露在正常组织与肿瘤斑块比例为4:1的环境中，并提高了训练过程的“计算效率”，这反过来会促使算法“看到”更多的组织多样性。此外，团队成员还对活检切片扫描的变化进行了标准化，他们认为这可以将模型的性能提升到更高的程度。

研究人员也将LYNA应用在270个样本幻灯片（160个正常，110个肿瘤）上进行测试训练。在测试中，LYNA实现了99.3％的幻灯片级精度。当调整模型的灵敏度阈值以检测每张载玻片上的所有肿瘤时，其灵敏度为69％，准确识别评估数据集中的所有40个转移灶，没有任何误报。此外，它不受测试样品中的其他因素影响，例如气泡，加工不良，出血和过度涂抹。

当然，LYNA并不完美。它偶尔会错误地识别巨细胞，生发癌和骨髓来源的白细胞 （这些称为组织细胞），但这已经比同样执行此项工作的人类医学家做的更好了。

在谷歌 AI和谷歌母公司Alphabet旗下生命科学子公司Verily发表的第二篇论文中，这个模型将六名病理学家组成的团队检测淋巴结转移所需的时间缩短了一半。

毫无疑问，“这些技术可以提高病理学家的工作效率，减少与肿瘤细胞形态学检测相关的假阴性数量” 。

在过去，谷歌在AI医疗领域一直都有布局。今年Mountain View公司的Medical Brain团队声称创建了一个AI系统，可以预测再入院的可能性，并且他们在6月份使用它来预测两家医院的死亡率，准确率为90％。而谷歌和Verily的科学家创建了一个机器学习网络，可以准确地推断出一个人的基本信息，包括他们的年龄和血压，以及他们是否有患心脏病等重大心脏事件的风险。

而谷歌位于伦敦的人工智能研究部门DeepMind参与了几项与健康相关的人工智能项目，其中包括美国退伍军人事务部正在进行的一项试验，旨在预测患者在住院期间病情何时恶化。而此前，它也与英国国家健康服务中心合作开发了一种可以寻找早期失明迹象的算法。并在今年早些时候的医学影像计算和计算机辅助干预会议上，DeepMind的研究人员表示，他们已经开发出一种“接近人类表现”的AI系统方式，能够执行分割CT扫描的任务。

乳腺癌检测只是谷歌AI在医疗领域涉及的其中一项。事实上，它在视网膜成像测试、眼疾病检测、糖尿病检测与管理、心脏病监测、帕金森综合征的早期预测等多个细分细分领域中的AI实践，正在全面地形成谷歌AI驱动医疗建设的全栈阵营。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！